偏好优化让视觉语言模型少认物体,论文提出免训练恢复法
热点事件持续更新
偏好优化让视觉语言模型少认物体,论文提出免训练恢复法
1 篇报道1 个报道来源22 小时前更新
先了解这件事
AI 综述
Hansang Lee 提交的论文发现,LLaVA-1.5-7B 的四个公开偏好优化(PO)检查点在减少目标幻觉的同时,也降低了目标覆盖度——模型在描述中命名的目标类别更少。论文称,幻觉率下降并未带来 CHAIR 集合级目标 F1 的显著提升。 为此,作者提出“基座引导的物体类别恢复”方法:在不重新训练的情况下,把基座模型独有且高置信度的类别追加到 PO 生成的描述中。
AI 根据报道生成 · 14 小时前更新
最新进展11月19日 13:00
偏好优化让 LLaVA-1.5-7B 少说也少认:诊断并恢复目标覆盖度报道时间线
沿着报道,了解事件的不同侧面。
11月19日
- arXiv cs.AI偏好优化让 LLaVA-1.5-7B 少说也少认:诊断并恢复目标覆盖度
研究发现 LLaVA-1.5-7B 的四个公开偏好优化(PO)检查点在降低目标幻觉的同时也降低了目标覆盖度,命名的目标类别更少,幻觉率下降未带来 CHAIR 集合级目标 F1 的显著提升。
本事件热度走势
- 可比范围当前
- 5
- 可比范围峰值
- 811月19日 22:00
- 近 24 小时变化
- –
02468
11月20日03:0006:0009:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。